- 综合排序
- 最热优先
- 最新优先
- 来自专栏Java架构师历程
MySQL的三大引擎
MySQL的三大引擎：InnoDB、MyISAM和Memory InnoDB和MyISAM是在使用MySQL最常用的两个表类型，各有优缺点，视具体应用而定。 5、更好的索引压缩。 6、更好的键码统计分布。 7、更好和更快的auto_increment处理。 Innodb Myisam Memory 事务 支持 不支持 执行速度 比较快 快 大容量数据 是 创建表->存储位置 数据库系统（缓存池） ->表空间 单独的文件 内存中->磁盘文件 InnoDB InnoDB 的设计目标是处理大容量数据时最大化性能，它的 CPU 利用率是其他所有基于磁盘的关系数据库引擎中最有效率的。 5、LOAD TABLE FROM MASTER操作对InnoDB是不起作用的，解决方法是首先把InnoDB表改成MyISAM表，导入数据后再改成InnoDB表，但是对于使用的额外的InnoDB特性（例如外键
4.2K20发布于 2018-09-26 - 来自专栏疯狂学习GIS
谷歌地球引擎GEE下载逐日ERA5气象数据
本文介绍在谷歌地球引擎（Google Earth Engine，GEE）中，批量下载逐日的ERA5土壤湿度数据（或者是其他气象数据、遥感影像数据等）的方法。 首先，明确一下本文的需求。 我们希望在GEE中，下载指定时间范围内，在指定区域的每一天的ERA5土壤湿度数据。 此函数接收一个日期参数，基于该日期过滤出对应日期的ERA5数据集中的单个影像。 0.5度的米数；同时，设置maxPixels参数以允许处理大尺寸图像，这里建议就设置成本文中的这个最大值。 如果要下载的数据比较多（就比如我这里需要下载逐日的数据），手动一个一个点击RUN比较麻烦，就可以参考文章谷歌地球引擎GEE计算多年内每隔8天的遥感影像平均值中提到的批量点RUN方法来运行任务。
1.1K11编辑于 2025-05-27 - 来自专栏大数据知识
大数据5大关键处理技术
一）大数据面临的存储管理问题 ●存储规模大 大数据的一个显著特征就是数据量大，起始计算量单位至少是PB，甚至会采用更大的单位EB或ZB，导致存储规模相当大。 ●种类和来源多样化，存储管理复杂 目前，大数据主要来源于搜索引擎服务、电子商务、社交网络、音视频、在线服务、个人数据业务、地理信息数据、传统企业、公共机构等领域。 4）数据挖掘：根据数据功能的类型和和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。 5）结果分析：对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。 语义引擎 非结构化数据的多元化给数据分析带来新的挑战，我们需要一套工具系统地去分析，提炼数据。 语义引擎是语义技术最直接的应用，可以将人们从繁琐的搜索条目中解放出来，让用户更快、更准确、更全面地获得所需信息，提高用户的互联网体验。 5.
10.8K30发布于 2021-03-12 - 来自专栏苏三说技术
这 5 种规则引擎，真香！
10")); } if (order.getUser().isVip()) { discount = discount.add(new BigDecimal("5" 规则引擎通过分离规则逻辑解决这个问题： 规则外置存储（数据库/文件） 支持动态加载 声明式规则语法 独立执行环境 下面给大家分享5种常用的规则引擎，希望对你会有所帮助。 1.五大常用规则引擎 1.1 Drools：企业级规则引擎扛把子 官网：https://www.drools.org/ 适用场景： 金融风控规则（上百条复杂规则） 保险理赔计算 电商促销体系 实战：折扣规则配置 ：" + response.getCause()); } 优点： 可视化流程编排 支持异步、并行、条件分支 热更新规则 缺点： 新框架文档较少 社区生态待完善 适合：需要灵活编排的复杂业务流 2 五大规则引擎横向评测 性能压测数据（单机1万次执行）： 引擎 耗时 内存占用 特点 Drools 420ms 高 功能全面 Easy Rules 38ms 低 轻量易用 QLExpress 65ms 中 阿里系脚本引擎 Aviator
2.1K22编辑于 2025-06-23 - 来自专栏王念博客
Thymeleaf HTML5模板引擎
Thymeleaf的模板还可以用作工作原型，Thymeleaf会在运行期替换掉静态值。例如下面的html文件，当作为静态文件时，product name显示为Red Chair，当运行在容器中并提供product这个对象时，product name的值会自动替换为product.description对应的值。
2.9K20发布于 2019-07-25 - 来自专栏日常活动篇
H5 App实战十：H5 App的数据绑定与模板引擎
下面正文开始：正文在H5 App开发中，数据绑定与模板引擎是两个非常关键的概念，它们极大地提高了代码的可维护性和开发效率。本文将详细讲解这两个概念，并通过示例展示如何在项目中实际应用。 二、模板引擎模板引擎允许我们将HTML与JavaScript逻辑分离，通过特定的语法在HTML中嵌入动态内容。常见的模板引擎有Handlebars、Mustache、EJS等。1. 三、结合使用数据绑定与模板引擎在实际项目中，数据绑定和模板引擎往往可以结合使用。例如，在Vue.js中，虽然它内置了强大的模板功能，但有时我们仍然会借助第三方模板引擎来处理一些复杂的模板逻辑。 虽然这种方法在实际项目中并不常见，但它展示了数据绑定与模板引擎结合使用的可能性。总结数据绑定与模板引擎是H5 App开发中不可或缺的工具。它们能够简化代码结构，提高开发效率，并增强代码的可维护性。 通过本文的示例，你可以更好地理解和应用这两个概念，为你的H5 App开发之路打下坚实的基础。
89210编辑于 2024-11-30 - 来自专栏程序那些事儿
PHP八大模板引擎
当我们在PHP中讨论模板引擎时，许多开发人员会告诉你，这是没有必要的，他们会说这是学习时间和资源的浪费，因为PHP本质上也是一个模板引擎。 但是当你看过很多框架之后，你会发现很多框架都会有模板引擎的存在，所以说php中的模板引擎还是有必要了解一下的。 跨模板的数据共享 将数据预先分配给特定模板 内置逃生帮助器 易于使用的功能和扩展 与框架无关，将与任何项目配合使用 分离设计使模板易于测试 可以使用composer引入 以下代码段提供了板模板引擎语法外观的预览 > Blade blade是laravel内置的模板引擎。与其他流行的PHP模板引擎不同，Blade 不会限制您在视图中使用纯 PHP 代码。 Smarty 是一个模板引擎，用作应用程序的 View 组件。Smarty 可轻松与上面列出的任何引擎耦合为视图组件。
3.5K30编辑于 2023-07-24 DeepSeek + 流程引擎：大模型如何提升流程引擎的能力
生成式AI，特别是基于大语言模型（LLM）的技术，如DeepSeek、ChatGPT，能够以自然语言生成、理解、优化和执行任务，在流程引擎中发挥越来越重要的作用。 流程引擎通常包括流程建模、任务分配、进度监控、数据流动等功能，能够处理简单的任务自动化到复杂的端到端业务流程。传统的流程引擎依赖于预设规则和工作流模型，通过规则引擎来执行任务。 1.自动化决策和任务分配传统的流程引擎主要依赖人工配置的规则来进行任务分配和决策，而生成式AI能够基于大量的数据进行实时决策，并能够根据上下文自动调整任务分配和执行方案。 2.智能流程优化生成式AI能够通过分析大量历史数据和流程执行数据，自动识别流程中的瓶颈、低效环节和潜在的优化空间。 AI可以进行自适应学习，根据实时数据反馈自动优化流程设计，调整流程中的环节和顺序，提高整体效率。
53710编辑于 2025-03-18- 来自专栏杨飞@益术
Android数据存储实现的5大方式
SQLite是轻量级嵌入式数据库引擎，它支持 SQL 语言，并且只利用很少的内存就有很好的性能。 SQLite 通过利用虚拟机和虚拟数据库引擎（VDBE），使调试、修改和扩展 SQLite 的内核变得更加方便。 下面会详细讲解如果创建数据库，添加数据和查询数据库。 创建数据库 Android 不自动提供数据库。 例如： db.execSQL(“INSERT INTO widgets (name, inventory)”+ “VALUES (‘Sprocket’, 5)”); 另一种方法是使用 SQLiteDatabase 定义你要返回给客户端的数据列名。如果你正在使用Android数据库，则数据列的使用方式就和你以往所熟悉的其他数据库一样。但是，你必须为其定义一个叫_id的列，它用来表示每条记录的唯一性。 5.
4.3K20发布于 2019-02-21 - 来自专栏Java学习网
Android数据存储实现的5大方式
Android数据存储实现的5大方式 数据存储在开发中是使用最频繁的，在这里主要介绍Android平台中实现数据存储的5种方式，更加系统详细的介绍了5种存储的方法和异同。 SQLite是轻量级嵌入式数据库引擎，它支持 SQL 语言，并且只利用很少的内存就有很好的性能。 SQLite 通过利用虚拟机和虚拟数据库引擎（VDBE），使调试、修改和扩展 SQLite 的内核变得更加方便。 例如： db.execSQL(“INSERT INTO widgets (name, inventory)”+ “VALUES (‘Sprocket’, 5)”); 另一种方法是使用 SQLiteDatabase 如果你正在使用Android数据库，则数据列的使用方式就和你以往所熟悉的其他数据库一样。但是，你必须为其定义一个叫_id的列，它用来表示每条记录的唯一性。 5.
8K90发布于 2018-02-26 - 来自专栏CDA数据分析师
译文 | 新兴大数据企业的5大挑战！
但是，近几年，它在大多数数据驱动型企业中发挥着重要的作用。更重要的是，大数据可以帮助制定企业战略，提高运营效率，并加速企业成长。 与数据热潮随之而来的，是大量的金融投资。 大约75％的组织表示，他们已经在先进大数据设施上投入了大量资金或者在未来几年会投入大量资金。同时，一大批新兴大数据企业如雨后春笋般破土而出，以此满足企业客户不断增长的市场需求。 这里是当今新兴大数据企业面临的5大挑战： 1.人才匮乏 大数据是一个增长中的市场。六成的企业决策者都预计本年度会在大数据项目上投入更多资金，只有5%认为会有所减少。 5.激烈竞争 2015年，大数据的全球消费预计将达到1250亿，初创公司不必再走向大数据的路途上感到孤单，因为如SAP，微软和IBM这样的大企业也要面临残酷的竞争。 这里的教训：建立一个成功的大数据业务是不是为懦弱者准备的。但是，如果你为上面描述的五大挑战做好准备，那么，你就可以在大数据领域未来的发展过程中大显身手。
81350发布于 2018-02-23 - 来自专栏灯塔大数据
趋势 | 大数据存储领域5大突破技术
从2011年，纽约的startup公司已经成长为开发者服务的第二大云部署平台，为包括亚马逊、谷歌和微软在内的很多大型公司提供简单的、可升级的SSD云服务平台。 同时，共享驾驶App也在爆炸式增长，例如Uber打破了人们对于汽车所有权的传统看法，Lyft和通用汽车也斥资5亿美元研究如何破解自动驾驶汽车共享软件app的代码。 ? 图3：自动驾驶的智能汽车。 只能机器人显然非常吸引人，部分是因为它们在人性化和专业设置方面具有非常大的应用潜力。 基于以上发展趋势，我们不难想见情绪之于我们的移动装置与冷冰冰的数据是同等重要的。 5 大数据简化 大数据可以提供我们前所未有的洞察力，而利用这些数据的关键在于解读和分析。 根据甲骨文公司分析，简单的大数据挖掘工具将要有长足的发展，因为这样分析师可以直接在企业Hadoop集群上购买数据，重新调整并采用机器学习技术进行分析。
2.6K60发布于 2018-04-10 腾讯云实时孪生数据引擎技术指南：大规模数据大屏展示
摘要 本文旨在解析腾讯云实时孪生数据引擎技术的核心价值、挑战，提供详细的操作指南，并对比通用方案与腾讯云方案，展示其在大规模数据大屏展示场景下的优势。 技术解析 核心价值与典型场景 腾讯云实时孪生数据引擎技术，通过实时渲染技术，实现了对多空间维度场景的可视化呈现。 实施中的三大关键挑战 性能瓶颈：在大规模数据实时处理和渲染时，如何保证系统的响应速度和稳定性。 数据安全：确保数据在传输和处理过程中的安全性，防止数据泄露。 实时渲染：集成数据后，使用腾讯云实时渲染技术进行数据的可视化展示。 原理说明：腾讯云实时渲染技术能够快速处理大规模数据，并实时更新大屏展示内容。 结论 腾讯云实时孪生数据引擎技术以其高性能、高安全性和成本效益，在大规模数据大屏展示场景下展现出明显优势。通过详细的操作指南和增强方案的对比，用户可以更加清晰地了解如何利用腾讯云产品实现技术落地。
28210编辑于 2025-07-28- 来自专栏暴走大数据
Hive计算引擎大PK，万字长文解析MapRuce、Tez、Spark三大引擎
「硬刚Hive续集」》 对Hive的MapReduce引擎已经做过非常详细的讲解了。 本文首发自公众号： 《import_bigdata》，大数据技术与架构。 ，该元数据用于对查询树中的表达式进行类型检查，以及基于查询谓词修建分区； 步骤5：编译器生成的计划是分阶段的DAG，每个阶段要么是 map/reduce 作业，要么是一个元数据或者HDFS上的操作。 defalut数据库中的 student_tb_orc表; 数据的输出路径是hdfs://node01:8020/tmp/hive/hdfs/cbf182a5-8258-4157-9194-90f1475a3ed5 它源于MapReduce框架，核心思想是将Map和Reduce两个操作进一步拆分，分解后的元操作可以任意灵活组合，产生新的操作，这些操作经过一些控制程序组装后，可形成一个大的DAG作业。 在MapReduce计算引擎中，无论数据大小，在Shuffle阶段都以相同的方式执行，将数据序列化到磁盘，再由下游的程序去拉取，并反序列化。
3.7K52发布于 2021-11-05 - 来自专栏大数据成神之路
Hive计算引擎大PK，万字长文解析MapRuce、Tez、Spark三大引擎
「硬刚Hive续集」》 对Hive的MapReduce引擎已经做过非常详细的讲解了。 本文首发自公众号： 《import_bigdata》，大数据技术与架构。 ，该元数据用于对查询树中的表达式进行类型检查，以及基于查询谓词修建分区； 步骤5：编译器生成的计划是分阶段的DAG，每个阶段要么是 map/reduce 作业，要么是一个元数据或者HDFS上的操作。 defalut数据库中的 student_tb_orc表; 数据的输出路径是hdfs://node01:8020/tmp/hive/hdfs/cbf182a5-8258-4157-9194-90f1475a3ed5 它源于MapReduce框架，核心思想是将Map和Reduce两个操作进一步拆分，分解后的元操作可以任意灵活组合，产生新的操作，这些操作经过一些控制程序组装后，可形成一个大的DAG作业。 在MapReduce计算引擎中，无论数据大小，在Shuffle阶段都以相同的方式执行，将数据序列化到磁盘，再由下游的程序去拉取，并反序列化。
4.5K43发布于 2021-10-27 - 来自专栏鱼皮客栈
5 分钟，带你入门 FreeMarker 模板引擎！
模板引擎是一种用于生成动态内容的类库（或框架），通过将预定义的模板与特定数据合并，来生成最终的输出。使用模板引擎有很多的优点，首先就是提供现成的模板文件语法和解析能力。 其次，模板引擎可以将数据和模板分离，让不同的开发人员独立工作。比如后端专心开发业务逻辑提供数据，前端专心写模板等，让系统更易于维护。此外，模板引擎可能还具有一些安全特性，比如防止跨站脚本攻击等。 </body></html>数据模型我们把为模板准备的所有数据整体统称为 数据模型 。 label", "老鱼简历");menuItems.add(menuItem1);menuItems.add(menuItem2);dataModel.put("menuItems", menuItems);5、 5、宏定义学过 C 语言和 C++ 的同学应该对 “宏” 这个词并不陌生。可以把 “宏” 理解为一个预定义的模板片段。支持给宏传入变量，来复用模板片段。其实类似于前端开发中组件复用的思想。
3.5K10编辑于 2023-12-06 - 来自专栏Golang语言社区
HTML5 游戏引擎深度测评
最近看到网上一篇文章，标题叫做《 2016年 最火的 15 款 HTML5 游戏引擎 》。目前针对HTML5游戏的解决方案已经非常多，但谁好谁差却没有对比性资料。 通常我们都会认为它们是游戏引擎领域两类不同的产品。原文中提及的引擎确实是当下最为流行的HTML5游戏引擎。很多引擎属于2D、3D通吃类型，我们通过一个表格进行对比。 Egret 定位 Egret算是HTML5游戏引擎中的新起之秀，其定位已不单纯为HTML5游戏引擎。官方将其定位为“游戏解决方案”，同时也并未过多提及HTML5。 每个引擎进行同屏5000、10000、20000个显示对象渲染。 其中craftyjs引擎渲染出现问题，这里不作数据对比。 Quintus引擎不支持WebGL渲染模式，因此这里页不作数据对比。 我用了国内比较火的HTML5游戏平台新浪微博作为数据采样基础，一个人实在精力有限，不可能做的完整。由于客户端对游戏地址进行了加密，无法直接获取。
7K132发布于 2018-03-22 - 来自专栏Golang语言社区
HTML5游戏引擎深度测评
最近看到网上一篇文章，标题叫做《2016年 最火的 15 款 HTML5 游戏引擎》。目前针对HTML5游戏的解决方案已经非常多，但谁好谁差却没有对比性资料。 但绝大部分HTML5游戏引擎还是采用JavaScript语言。只有4款引擎选择支持TypeScript。 Egret定位 Egret算是HTML5游戏引擎中的新起之秀，其定位已不单纯为HTML5游戏引擎。官方将其定位为“游戏解决方案”，同时也并未过多提及HTML5。 每个引擎进行同屏5000、10000、20000个显示对象渲染。 其中craftyjs引擎渲染出现问题，这里不作数据对比。 Quintus引擎不支持WebGL渲染模式，因此这里页不作数据对比。 我用了国内比较火的HTML5游戏平台新浪微博作为数据采样基础，一个人实在精力有限，不可能做的完整。由于客户端对游戏地址进行了加密，无法直接获取。
9K91发布于 2018-03-27 - 来自专栏CSDNToQQCode
数据库面试题【十一、InnoDB引擎的4大特性】
1、插入缓冲（insert buffer) 2、二次写(double write) 3、自适应哈希索引(ahi) 4、预读(read ahead)
35120编辑于 2022-11-28 - 来自专栏PPV课数据科学社区
【资讯】大数据5大误区：大数据不是灵丹妙药
“预测分析”总体是指基于当前和历史数据，用数据分析为企业提供对未来事件的预测。 然而盛名之下，围绕大数据和预测分析产生了许多误区。尤其是下列的五种误区需要被驱散, 这样不同规模和阶段的企业才可以开始享用更明智、更高效的决策: 误区1: “大数据是灵丹妙药。” 大数据不是企业的灵丹妙药。相反, 更好的数据管理和分析是帮助企业做出更好决策的工具。就算“小数据”也可以为中小企业很好的利用在投资的路线图上，构建和多样化而无需有大型的IT投资。 对一些人来说,自下向上的方法涉及到IT人员和数据分析师实施一种持久的解决方案。 误区5:“我们需要做的就是雇佣咨询或技术公司,我们就会有预测分析。” 有一批企业把预测分析作为一种技术或一个软件问题。
67950发布于 2018-04-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号